基于多模态大模型的需求分析方法及系统与流程

摘要: 本发明涉及计算机信息处理与人工智能,特别涉及基于多模态大模型的需求分析方法及系统。背景技术:1、在产品研发与系统设计过程中,需求信息往往来源分散、格式多样。典型...
基于多模态大模型的需求分析方法及系统与流程

本发明涉及计算机信息处理与人工智能,特别涉及基于多模态大模型的需求分析方法及系统。

背景技术:

1、在产品研发与系统设计过程中,需求信息往往来源分散、格式多样。典型载体包括需求文档(如docx、pptx、pdf、md等格式)、会议纪要、邮件与聊天记录、界面截图、设计草图、扫描件,以及会议录音、产品演示视频等音视频资料。实践中,同一需求常被拆散成多段,分布在不同资料、不同位置,且表述方式不一致。现有需求分析通常依赖人工通读、比对与归纳,不仅效率低下,而且由于信息碎片化程度高、资料量大,人工分析容易遗漏关键约束、误判需求边界,导致最终获得的需求与原始意图之间产生偏差,准确性难以保证。

2、近年来,多模态大模型具备较强的理解与生成能力,为需求分析自动化提供了技术可能。现有技术中已尝试将多模态大模型直接应用于需求分析过程,例如通过大模型对多模态输入进行统一理解后直接生成需求文档或规范。然而,此类直接应用方式存在固有缺陷,导致所获得的需求准确性较低:

3、其一,语义融合失真。直接让大模型一次性理解全部多模态输入并生成需求,由于不同模态(文本、图像、音频等)的语义表达方式存在根本差异,大模型在融合过程中容易丢失跨模态的关联信息,导致融合后的语义表示偏离原始意图,准确性下降。

4、其二,同一需求被分散识别。实践中同一需求常被拆散在多份资料的不同位置,直接让大模型整体理解时,大模型倾向于关注显著片段而忽视细节,难以将分散的需求片段准确关联为完整需求,导致关键约束和参数被遗漏。

5、其三,生成过程缺乏质量约束。大模型以“文本连贯性”为优化目标,而非以“需求准确性”为目标,且大模型本身不具备对自身生成内容的客观评估能力,无法判断生成的需求是否与原文一致、是否完整、粒度是否合适,导致输出随意性大、准确性低。

6、其四,缺乏历史经验参照。大模型每次生成均为“从零开始”,无法主动查阅和复用已有需求库中经过验证的准确需求表述,导致同一类型需求在不同项目中的描述不一致,增加了需求歧义的风险。

7、其五,输出不可追溯。大模型的生成过程是“黑盒”,无法将生成的需求条目关联回原始资料中的具体来源,当需求准确性出现疑问时,无法回溯验证,影响评审与修正。

8、综上所述,现有的多模态大模型直接应用于需求分析时,由于缺乏对多模态语义的精准融合机制、缺乏对分散需求的识别与归并机制、缺乏对生成结果的质量约束机制、缺乏对历史经验的复用机制、缺乏对输出的追溯验证机制,导致最终获得的需求准确性较低,难以满足工程实际要求。

技术实现思路

1、本发明所解决的技术问题:本发明提供一种基于多模态大模型的需求分析方法及系统,解决现有的多模态大模型应用于需求分析时,获得的需求准确性较低的问题。

2、本发明解决上述技术问题采用的技术方案:基于多模态大模型的需求分析方法,包括以下步骤:

3、s1、获取多模态需求信息,并为所述多模态需求信息绑定来源标识与上下文标识;

4、s2、对所述多模态需求信息进行语义解析,形成统一的语义表示;

5、s3、基于所述统一的语义表示的语义边界,将所述语义表示拆分为多个切片,每个切片携带与所述来源标识和上下文标识关联的引用信息;

6、s4、对每个所述切片生成切片摘要,所述切片摘要为对切片内容进行概括的结构化摘要信息,用于切片之间的比对与归组;

7、s5、基于所述切片摘要与所述统一语义表示,将所述多个切片归组为至少一个切片组;

8、s6、对每个所述切片组进行完整性评估与粒度评估,若未通过所述完整性评估或所述粒度评估,则触发调节操作并重新进行评估;所述调节操作包括二次切分、重新归组和合并去重中的至少一种;

9、s7、对通过完整性评估与粒度评估的切片组,在预先生成并建立语义索引的需求库中检索相似需求,基于相似度将检索匹配结果映射为需求类型;

10、s8、根据所述需求类型,生成需求名称、需求描述,并确定需求优先级,以形成需求;所述需求包含所述需求名称、所述需求描述和所述优先级;

11、s9、对形成的所述需求进行校验,输出由校验通过的需求构成的需求列表。

12、进一步的,所述多模态需求信息包括文本数据、图像数据、文档数据、音频数据和视频数据中的至少两种。

13、进一步的,所述统一语义表示至少包含需求意图和约束条件;所述语义边界根据需求意图变化点或约束条件变化点确定。

14、进一步的,所述切片摘要至少包含切片的需求意图,以及约束条件或参数信息中的至少一种;且所述切片摘要还包含与所述来源标识和上下文标识关联的引用信息。

15、进一步的,所述切片归组基于以下依据中的至少两项:需求意图相似性、约束条件一致性或互补性、来源标识一致性或上下文标识一致性。

16、进一步的,所述完整性评估包括:判断切片组是否具备构成需求的必要要素,并输出缺失要素类型,若存在缺失要素则未通过所述完整性评估;所述粒度评估包括:判断切片组是否存在多个相互独立的需求意图或是否存在重复碎片,若存在多个相互独立的需求意图或存在重复碎片则未通过所述粒度评估。

17、进一步的,所述需求类型包括复用型需求、变体型需求或新增型需求;所述映射为需求类型包括:当切片组与历史需求的相似度满足复用条件时确定为所述复用型需求,当存在相似但不完全一致时确定为所述变体型需求,当不存在相似历史需求时确定为所述新增型需求。

18、进一步的,所述根据所述需求类型生成需求名称、需求描述并确定需求优先级包括:

19、若所述需求类型为复用型需求,则直接采用历史需求的需求名称和需求描述,并参考历史需求的优先级确定当前需求优先级;

20、若所述需求类型为变体型需求,则以需求库中相似历史需求的描述结构为模板,将切片组中的需求意图和约束条件按所述模板进行组织并替换差异部分,以生成需求名称和需求描述,并参考历史需求的优先级分布和差异程度确定当前需求优先级;

21、若所述需求类型为新增型需求,则基于切片组中的需求意图和约束条件,按照需求库中预设的描述结构规范生成需求名称和需求描述,并参考约束条件严重度或风险影响中的至少一项确定当前需求优先级。

22、进一步的,所述校验包括:检查需求名称与需求描述是否一致、需求名称、需求描述与优先级之间是否存在冲突,并基于检查结果进行修正,保留与所述来源标识和上下文标识的关联。

23、本发明还提供一种基于多模态大模型的需求分析系统,实现如上述的基于多模态大模型的需求分析方法,所述系统包括:

24、多模态获取模块,用于获取多模态需求信息并为所述多模态需求信息绑定来源标识与上下文标识;

25、语义解析模块,用于对所述多模态需求信息进行语义解析,形成统一语义表示;

26、切片模块,用于基于语义边界将所述统一语义表示拆分为多个切片,每个切片携带与所述来源标识和上下文标识关联的引用信息;

27、摘要模块,用于对每个所述切片生成切片摘要,所述切片摘要为对切片内容进行概括的结构化摘要信息,用于切片之间的比对与归组;所述切片摘要至少包含切片的需求意图,以及约束条件或参数信息中的至少一种,且所述切片摘要还包含与所述来源标识和上下文标识关联的引用信息;

28、归组模块,用于基于所述切片摘要与所述统一语义表示将所述多个切片归组为至少一个切片组;

29、评估与调节模块,用于对每个所述切片组进行完整性评估与粒度评估,若未通过所述完整性评估或所述粒度评估,则触发调节操作并重新进行评估;所述调节操作包括二次切分、重新归组和合并去重中的至少一种;

30、检索映射模块,用于对通过完整性评估与粒度评估的切片组,在预先生成并建立语义索引的需求库中检索相似需求,基于相似度将检索匹配结果映射为需求类型;

31、需求生成模块,用于根据所述需求类型生成需求名称、需求描述并确定优先级,以形成需求;所述需求包含所述需求名称、所述需求描述和所述优先级;

32、校验输出模块,用于对形成的所述需求进行校验并输出由校验通过的需求构成的需求列表,每条需求保留与所述来源标识和上下文标识的关联。

33、本发明的有益效果:

34、提高需求可验证性: 通过获取多模态需求信息并为多模态需求信息绑定来源标识与上下文标识,建立了多模态资料与后续分析结果之间的追溯链路。当需求准确性出现疑问时,可沿追溯链路验证每条需求是否与原始资料一致,使需求分析结果可验证、可审计,从追溯机制上保障了准确性。

35、提高语义融合准确性: 通过对多模态需求信息进行语义解析并形成统一的语义表示,将文本、图像、文档、音频、视频等异构数据统一为“需求意图+约束条件+参数信息”的结构化语义格式,避免了直接融合多模态信息时的语义失真,确保了跨模态信息融合的准确性。

36、提高需求识别准确性: 通过基于语义边界生成切片并对每个切片生成切片摘要,再基于切片摘要与语义特征进行归组,将分散在多份资料中的同一需求片段自动识别并准确合并为完整的切片组,避免了直接整体理解时遗漏分散需求片段的问题,提高了需求识别的召回率和准确率。

37、提高需求质量约束准确性: 通过完整性评估与粒度评估的双重质量控制,并在未通过评估时触发二次切分、重新归组或合并去重等调节操作并重新评估,形成了“评估-调节-再评估”的质量控制闭环。完整性评估确保每条需求具备必要的意图、约束、参数等要素,粒度评估确保需求既不过粗也不过细。该闭环以客观的评估规则替代大模型的主观判断,从质量约束机制上保证了每个切片组进入后续环节之前的准确性。

38、提高需求复用准确性: 通过在预先生成并建立语义索引的需求库中检索相似需求,并基于相似度将匹配结果准确映射为复用型、变体型或新增型,避免了从零生成需求时因大模型自由发挥导致的不准确问题。语义索引确保检索结果的相关性和准确性,三类映射的精确划分使复用程度可控可预期,从而提高了需求生成的准确性。

39、提高需求表述准确性: 通过根据需求类型采用差异化的生成策略“复用型直接采用已验证的历史需求、变体型以历史需求为模板替换差异部分、新增型基于语义要素按预设规范生成”实现了需求名称和需求描述的结构化、模板化生成。“受模板约束”的生成方式有效防止了大模型自由发挥导致的表述偏差,确保输出格式统一、内容与原始语义一致,提高了需求表述的准确性。

40、提高最终输出准确性: 通过一致性校验,检查需求名称与需求描述是否一致、需求名称与描述及优先级之间是否存在冲突,并基于检查结果进行修正,同时保留来源标识与上下文标识的关联。校验不通过的需求不进入最终列表,从输出环节保证了最终需求列表的内部一致性和无冲突性,消除了因需求间矛盾导致的不准确。